一种社交网络的增量社区检测算法及实现优化

摘要：

社区检测是社交网络中常用的分析手段,目的是发现网络中联系较为紧密的节点集群,提取集群,从而进一步探索集群隐含的信息.现实中的社交网络随时间不断增大,传统的社区检测算法在不断增大的网络中运行会十分耗时,这是传统社区检测算法的一个极大弊端.针对该问题,基于传统的K-Clique社区检测算法,提出一种增量K-Clique社区检测算法.与传统K-Clique相比,增量K-Clique使用网络中新增的边和节点去更新已有的社区检测结果,而非在时间片更新时对整个网络重新进行社区检测,算法忽略极少部分的细节换取整体的高效性.实验结果表明,增量社区检测算法较传统算法在执行效率上提高显著,且检测结果与传统K-Clique几乎吻合.

关键词：K团、社交网络、社区检测、增量更新

所属期刊栏目：28

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金青年项目61502246;南京邮电大学科研启动基金项目NY215019

在线出版日期：2018-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：64-69